مقایسه کارایی مدل‏های کلاسیک و شبکه‌های عصبی در برآورد ریسک و ظرفیت اعتباری مشتریان شواهدی از بانک تجارت

یکی از اهداف مهمی که بانک‌‏ها و موسسات مالی جهت بالا بردن کارایی پس‌اندازهای جمع‌آوری شده از اشخاص حقیقی و حقوقی دنبال می‌کنند، این است که با شناسایی مشتریان اعتباری خود تسهیلات اعتباری را به افراد یا ساز‌مان‌هایی تخصیص دهند که احتمال نکول کمتری داشته باشند. لیکن برای این کار از روش‌های مختلفی هم‏چون روش معمول قضاوت شخصی، تحلیل ممیزی و ... استفاده می‌کنند. با این وجود اغلب این روش‌ها، روی ریسک اعتباری مشتریان متمرکز شده‌اند، در حالی که ظرفیت اعتباری مشتریان می‌تواند در ارایه تسهیلات نقش مهمی ایفا نماید.در این مقاله مدل شبکه‌های عصبی برای محاسبه هر دو عامل ریسک و ظرفیت اعتباری به طور همزمان مورد توجه قرار گرفته است. البته مدل‏های رگرسیون خطی و لجستیک نیز برای محاسبه ریسک و ظرفیت اعتباری به کار گرفته شده است تا با مدل شبکه‌های عصبی مقایسه گردد. نتایج به‏دست آمده دلالت بر کارایی بالای شبکه‌های عصبی نسبت به رگرسیون خطی در برآورد ظرفیت اعتباری مشتریان و کارایی یکسان مدل شبکه‌های عصبی و رگرسیون لجستیک در برآورد ریسک اعتباری دارد.